宋 含，房 芳，魏哲文，楊 麗，鞏志國*，張 榮，賈 瑋*

（1.陜西科技大學(xué) 食品科學(xué)與工程學(xué)院，陜西 西安 710021；2.烏魯木齊海關(guān)技術(shù)中心，新疆 烏魯木齊830063；3.阿拉山口海關(guān)技術(shù)中心，新疆 阿拉山口 833418）

藏紅花為高附加值產(chǎn)品，存在劣質(zhì)原料摻假現(xiàn)象，而溯源分析可保障藏紅花產(chǎn)業(yè)鏈高質(zhì)量發(fā)展。高分辨質(zhì)譜具有全掃描、高通量、非靶向的特點［1］，與化學(xué)計量學(xué)數(shù)據(jù)分析方法結(jié)合，可作為判定藏紅花品質(zhì)的有效手段。目前，深度分析質(zhì)譜數(shù)據(jù)特征的方法包括：決策樹算法、樸素貝葉斯算法、邏輯回歸算法、K-近鄰算法、支持向量機(jī)算法、偏最小二乘判別分析算法、正交偏最小二乘判別分析算法、K-均值聚類算法、層次聚類分析與Mean Shift密度聚類法［2］。前期研究發(fā)現(xiàn)，藏紅花素（C44H64O24）、苦藏紅花素（C16H26O7）和藏紅花醛（C10H14O）的濃度是評價藏紅花品質(zhì)的重要指標(biāo)［3］，但在判別模型擬合過程中，部分隱匿數(shù)據(jù)被認(rèn)定為冗余信息或閾值設(shè)定不準(zhǔn)確，均將導(dǎo)致判定結(jié)果假陽率與假陰率升高。

深度學(xué)習(xí)算法具有高效率整合海量樣本數(shù)據(jù)的優(yōu)勢，可解決數(shù)據(jù)的分類、回歸和聚類問題。該方法可從輸入數(shù)據(jù)中提取局部或全局特征表示的信息結(jié)構(gòu)，依據(jù)稀疏連接和權(quán)重共享策略，降低模型過度擬合現(xiàn)象。自深度學(xué)習(xí)模型提出以來，已衍生出視覺幾何組網(wǎng)絡(luò)（VGG）［4］、殘差神經(jīng)網(wǎng)絡(luò)（Res-Net）［5］、密集神經(jīng)網(wǎng)絡(luò)（Dense-Net）和“U”型卷積神經(jīng)網(wǎng)絡(luò)（U-Net）［6］等優(yōu)化模型，為數(shù)據(jù)處理與圖像融合提供了理論支撐和實踐經(jīng)驗。與傳統(tǒng)數(shù)據(jù)處理方法相比，基于深度學(xué)習(xí)的數(shù)據(jù)處理方法具有以下優(yōu)勢：（1）顯著的特征提取和分析能力。深度學(xué)習(xí)模型可獲取原始數(shù)據(jù)的特征信息［7］，并通過連續(xù)迭代過程提高對特征信息的解讀能力。（2）靈活的網(wǎng)絡(luò)架構(gòu)。基于深度學(xué)習(xí)的數(shù)據(jù)處理方法可在數(shù)據(jù)采集過程中自動調(diào)整提取數(shù)據(jù)信息的能力［8］，突破了傳統(tǒng)分析方法通過手動調(diào)整規(guī)則來提高數(shù)據(jù)提取能力的限制。（3）端到端的分析過程［9］。深度學(xué)習(xí)模型是將原始數(shù)據(jù)直接輸入，通過多層網(wǎng)絡(luò)處理，自動提取特征，輸出最終結(jié)果。

本文基于深度學(xué)習(xí)算法在代謝組學(xué)數(shù)據(jù)采集與處理方面的應(yīng)用，總結(jié)分析了通過深度學(xué)習(xí)算法處理藏紅花質(zhì)譜數(shù)據(jù)，實現(xiàn)藏紅花品質(zhì)精準(zhǔn)鑒別的可行性，助力藏紅花產(chǎn)業(yè)鏈高質(zhì)量發(fā)展，以期為后續(xù)研究中藥材等復(fù)雜基質(zhì)成分提供參考資料。

1 深度學(xué)習(xí)算法在高分辨質(zhì)譜代謝組學(xué)數(shù)據(jù)分析中的應(yīng)用

代謝組學(xué)數(shù)據(jù)具有高維、小樣本、高變異性、相互作用關(guān)系復(fù)雜、相關(guān)性和冗余性、分布的不規(guī)則和稀疏性等特點，傳統(tǒng)數(shù)據(jù)分析策略（包括功能表征、注釋和集成）難以解釋代謝組學(xué)數(shù)據(jù)中隱藏的復(fù)雜數(shù)據(jù)關(guān)系。深度學(xué)習(xí)算法通過多層網(wǎng)絡(luò)處理，將初始的“低層”特征轉(zhuǎn)化為“高層”特征［10］，構(gòu)建“簡單模型”，分類復(fù)雜信息，提高數(shù)據(jù)分析的能力和解釋性，現(xiàn)已應(yīng)用于質(zhì)譜數(shù)據(jù)采集與處理過程中的噪音過濾、峰檢測、整合和對齊、重疊峰的去卷積、子結(jié)構(gòu)預(yù)測和代謝物識別等方面。深度學(xué)習(xí)算法主要包括：人工神經(jīng)網(wǎng)絡(luò)、長短期記憶神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)及其衍生網(wǎng)絡(luò)（圖1）。

目前深度學(xué)習(xí)在目標(biāo)物質(zhì)檢測等領(lǐng)域取得的突破性進(jìn)展大多是以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)搭建識別模型而實現(xiàn)的，卷積神經(jīng)網(wǎng)絡(luò)是處理代謝組學(xué)數(shù)據(jù)的常用深度學(xué)習(xí)模型［14］，用于目標(biāo)物質(zhì)精準(zhǔn)識別與雜峰剔除。卷積神經(jīng)網(wǎng)絡(luò)的卷積層富含類似于神經(jīng)元的卷積核，可對輸入數(shù)據(jù)進(jìn)行特征提取，依托參數(shù)共享策略進(jìn)行分組激活，提高算法運(yùn)算速度，減少分析時間（公式1）。

式中，Pm表示卷積層的參數(shù)量，Dk、Hk分別表示卷積層的寬和高，Dk*Hk表示卷積核的維度，Ni表示輸入通道數(shù)，Nr表示輸出通道數(shù)，K表示偏置項參數(shù)。

Johnsen 教授團(tuán)隊［15］使用PARAllel FACtor analysis 2（PARAFAC 2）算法對不同洗脫圖譜進(jìn)行分類建模，但在處理質(zhì)譜數(shù)據(jù)時，存在費(fèi)時、耗力等缺點。Risum 教授團(tuán)隊［16］使用卷積神經(jīng)網(wǎng)絡(luò)分類洗脫圖譜，將其劃分為化學(xué)峰（代謝物）、基線和其他非相關(guān)峰，并篩選出最佳匹配峰（圖2A），對化合物進(jìn)行定性與重復(fù)性分析。Yanshole 教授團(tuán)隊［17］開發(fā)了一種用于峰值檢測和積分的“峰值”算法，該算法使用卷積神經(jīng)網(wǎng)絡(luò)模型將質(zhì)譜數(shù)據(jù)分為噪聲、化學(xué)峰和不確定峰值區(qū)域，確定了積分的峰值邊界。他們發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)與手動提取的峰面積的平均相對誤差為4%，并比較了卷積神經(jīng)網(wǎng)絡(luò)與XCMS、MZ mine軟件的性能，發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)可以97%的精準(zhǔn)度實現(xiàn)陽性峰的檢測（圖2B），提高了代謝組學(xué)數(shù)據(jù)匹配峰的覆蓋率。

圖2 卷積神經(jīng)網(wǎng)絡(luò)識別氣相色譜-質(zhì)譜數(shù)據(jù)的真陽性峰［16］（A）；卷積網(wǎng)絡(luò)模型精準(zhǔn)檢測色譜數(shù)據(jù)峰值［17］（B）；卷積神經(jīng)網(wǎng)絡(luò)識別液相色譜-高分辨率質(zhì)譜數(shù)據(jù)峰［18］（C）；深度神經(jīng)網(wǎng)絡(luò)模型提高液相色譜-串聯(lián)質(zhì)譜數(shù)據(jù)的保留時間預(yù)測性能［22］（D）Fig.2 Recognition of true positive peaks in GC-MS data by convolutional neural networks［16］（A）；convolutional network model accurately detects the peak value of chromatographic data［17］（B）；convolutional neural networks identify peaks in liquid chromatography-high resolution mass spectrometry data［18］（C）；deep neural network model improves retention time prediction performance of liquid chromatography-tandem mass spectrometry data［22］（D）

自動化和高精度的峰值分類器顯著提高了峰值檢測效率，突破了人工解析質(zhì)譜數(shù)據(jù)費(fèi)時、耗力的困局。但這種方法尚未與多變量統(tǒng)計和機(jī)器學(xué)習(xí)方法進(jìn)行比較。Kantz教授團(tuán)隊［18］開發(fā)了深度神經(jīng)網(wǎng)絡(luò)聯(lián)合多元邏輯回歸模型的方法，對非靶向代謝組學(xué)數(shù)據(jù)的質(zhì)譜特征進(jìn)行分類。該方法將峰的形狀轉(zhuǎn)換為圖形對象，基于預(yù)測峰組參數(shù)medRelFWHM（公式2），剔除了90%的陰性峰（噪音），保留了98%的陽性峰（圖2C），提高了代謝組學(xué)數(shù)據(jù)處理的準(zhǔn)確性。Li 和Wang［19］提出了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的ChromAliggnNet算法，使用該算法學(xué)習(xí)和訓(xùn)練單峰（特定的m/z和保留時間）水平上的數(shù)據(jù)，在檢測真陽性結(jié)果時具有84% ～ 96%的可信度。

未知化合物鑒定主要依賴于HMDB、METLIN［20］等質(zhì)譜數(shù)據(jù)庫，利用二級譜圖信息，結(jié)合質(zhì)譜獲取的精確質(zhì)量數(shù)、同位素分布及碎片離子等化合物結(jié)構(gòu)信息，獲得候選化合物。但因參考質(zhì)譜圖數(shù)量有限，且化合物的質(zhì)譜圖隨儀器類型和所施加的碰撞能量不同而變化，增加了未知化合物的識別難度。基于未知化合物和已知化合物之間的相似性，Lu 教授團(tuán)隊［21］設(shè)計了一種基于神經(jīng)網(wǎng)絡(luò)的DeepMASS 框架，該框架利用已知代謝物與未知代謝物之間的結(jié)構(gòu)相似性及其產(chǎn)生的質(zhì)譜圖，識別未知化合物，但該方法仍受已知化合物的可用性及其在參考數(shù)據(jù)庫中覆蓋范圍的限制。Risum 等［16］在化合物結(jié)構(gòu)信息的基礎(chǔ)上進(jìn)一步探究了應(yīng)用保留指數(shù)提高注釋化合物準(zhǔn)確率的可行性。METLIN 小分子保留時間（SMRT）數(shù)據(jù)集中包含了80 038 個小分子的反向色譜保留時間。Zhang 等［22］基于SMRT 數(shù)據(jù)集構(gòu)建了預(yù)測色譜保留時間的深度學(xué)習(xí)模型（GNN-RT），并比較了GNN-RT 模型、隨機(jī)森林模型、貝葉斯回歸模型和卷積神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度。該模型將化合物的國際化學(xué)標(biāo)識符（International Chemical Identifier，InChl）作為輸入，保留時間作為輸出，隨機(jī)選擇SMRT數(shù)據(jù)集中80%的化合物作為訓(xùn)練集，10%作為驗證集，10%作為測試集。結(jié)果發(fā)現(xiàn)4種模型的平均濾除率依次為50.6%、21.6%、41.3%和38.5%。GNN-RT過濾掉的候選化合物中假陰性率最高，均方誤差（MSE，公式3）為4.9%，中位絕對誤差（MedAE，公式4）為3.2%，顯著提高了模型的預(yù)測精度，使未知化合物的識別覆蓋度提高了30%（圖2D）。

式中，yi為真實值，為GNN-RT模型的預(yù)測值，m為樣本量。

表1給出了深度學(xué)習(xí)算法在代謝組學(xué)數(shù)據(jù)處理方面的一些應(yīng)用。

表1 深度學(xué)習(xí)算法處理代謝組學(xué)數(shù)據(jù)的應(yīng)用Table 1 Applications of deep learning algorithms to processing metabolomics data

2 深度學(xué)習(xí)算法結(jié)合高分辨質(zhì)譜數(shù)據(jù)鑒別藏紅花品質(zhì)

藏紅花具有養(yǎng)血活血功效，深受消費(fèi)者青睞，但因經(jīng)濟(jì)效益高，時常存在原料摻假現(xiàn)象［33］?，F(xiàn)有研究主要采用化學(xué)/非化學(xué)技術(shù)結(jié)合傳統(tǒng)數(shù)據(jù)分析策略對藏紅花及其摻假物進(jìn)行鑒別。Farag 團(tuán)隊［34］采用氣相色譜-質(zhì)譜聯(lián)用技術(shù)對藏紅花及其摻假物（紅花和金盞花）進(jìn)行分析，依據(jù)差異代謝物篩選摻假物。但樣品的代謝組學(xué)數(shù)據(jù)具有高度復(fù)雜性，若部分隱匿數(shù)據(jù)被視為冗余信息剔除，將會降低判別模型的擬合度，影響判別結(jié)果的準(zhǔn)確率。在代謝組學(xué)數(shù)據(jù)處理過程中，深度學(xué)習(xí)算法可直接識別或檢測數(shù)據(jù)信息，建立相關(guān)特征的預(yù)測模型，降低模型過擬合現(xiàn)象，提高分類準(zhǔn)確性。通過深度學(xué)習(xí)算法鑒別藏紅花品質(zhì)，在保障藏紅花產(chǎn)業(yè)鏈高質(zhì)量發(fā)展方面具有重要意義。

表2為深度學(xué)習(xí)算法在鑒別藏紅花品質(zhì)方面的代表性應(yīng)用。

表2 深度學(xué)習(xí)算法在鑒別藏紅花品質(zhì)中的應(yīng)用Table 2 Applications of deep learning algorithms in saffron quality identification

Neshat 團(tuán)隊［35］采用Inception-v4 卷積神經(jīng)網(wǎng)絡(luò)對藏紅花圖像進(jìn)行分類評估及識別，準(zhǔn)確率達(dá)99.5%。在分級評價真假藏紅花或因加工方式不同導(dǎo)致的藏紅花顏色不同時，Inception-v4 卷積神經(jīng)網(wǎng)絡(luò)的性能顯著優(yōu)于常規(guī)卷積神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)分類器（支持向量機(jī)、隨機(jī)K-近鄰算法）。Rohani團(tuán)隊［36］開發(fā)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的藏紅花品質(zhì)鑒別模型，并使用批量歸一化（BN）算法（公式5）進(jìn)行優(yōu)化，加快了模型收斂速度，提高了模型識別真假藏紅花的準(zhǔn)確率。通過與VGG11、ResNet18、ResNet50、DarkNet53 和Inception-v3 5 種模型的性能進(jìn)行比較，發(fā)現(xiàn)經(jīng)批量歸一化算法優(yōu)化的模型在鑒別藏紅花品質(zhì)方面的性能更佳，準(zhǔn)確率為99.67%，交叉熵?fù)p失為0.019。

式中，β、γ表示可訓(xùn)練的參數(shù)；ε 表示可忽略的參數(shù)，用于避免被零除；m表示每次調(diào)整參數(shù)前所選取的樣本數(shù)量。

Minaei 團(tuán)隊［38］依托人工神經(jīng)網(wǎng)絡(luò)和智能感官系統(tǒng)，開發(fā)了一種基于藏紅花香氣的識別系統(tǒng)，用于伊朗不同產(chǎn)區(qū)藏紅花香氣強(qiáng)度的分析并以100%的成功率實現(xiàn)了藏紅花香氣的指標(biāo)分級。人工神經(jīng)網(wǎng)絡(luò)類似于大腦的神經(jīng)元，接收輸入的神經(jīng)信號，產(chǎn)生非線性輸出，并將其作為下層神經(jīng)網(wǎng)絡(luò)的輸入信號。ReLU 激活函數(shù)（公式6）位于神經(jīng)元內(nèi)，通過響應(yīng)輸入的神經(jīng)信號，提取輸入的y值并給予權(quán)重W，將其相加并插入激活函數(shù)g中，用J表示激活函數(shù)輸出，得到公式（7）。

式中，b表示隱藏層數(shù)，i表示所分析的樣本量，w為第i個樣本的權(quán)重。

人工神經(jīng)網(wǎng)絡(luò)模型處理藏紅花數(shù)據(jù)時，基于隨機(jī)參數(shù)啟動模型，自動比較預(yù)測值與輸出值。通過調(diào)整參數(shù)，降低誤差，使輸出值無限接近預(yù)測值。因梯度值處于一定動態(tài)范圍內(nèi)，陳宏文等［41］使用均方誤差MSE 作為損失函數(shù)，提高模型收斂性，減少訓(xùn)練時間。決定系數(shù)（R2）、均方誤差（MSE）可作為評估模型擬合度的指標(biāo)，R2越趨近于1，MSE值越小，則模型擬合效果越好。

Heidarbeigi 等［42］將機(jī)器學(xué)習(xí)算法和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，以高分辨質(zhì)譜測定的代謝物信息作為中轉(zhuǎn)載體，判別藏紅花樣品中藏紅花醛的濃度。結(jié)果發(fā)現(xiàn)，相同數(shù)據(jù)集下，人工神經(jīng)網(wǎng)絡(luò)的預(yù)測性能優(yōu)于機(jī)器學(xué)習(xí)算法，且基于人工神經(jīng)網(wǎng)絡(luò)的質(zhì)譜數(shù)據(jù)以98.81%的準(zhǔn)確率預(yù)測了藏紅花醛的濃度。該課題組［43］使用同樣方法以98.80%的準(zhǔn)確率預(yù)測了藏紅花樣品中的藏紅花素濃度。

高分辨質(zhì)譜技術(shù)具有高分辨率、高質(zhì)量精度和高靈敏度的特點［44-46］，可對復(fù)雜基質(zhì)中的痕量成分進(jìn)行定性確證和定量檢測。現(xiàn)有研究主要集中于以高分辨質(zhì)譜測定的代謝物信息作為中轉(zhuǎn)載體，探究藏紅花品質(zhì)。Hajslova 團(tuán)隊［47］采用超高效液相色譜-高分辨質(zhì)譜檢測西班牙藏紅花和摻假藏紅花中的藏紅花素及相關(guān)代謝物濃度，并將質(zhì)譜獲取的代謝物信息轉(zhuǎn)換為圖像，使用基于循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的長短期記憶神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，探究藏紅花樣品中相關(guān)代謝物的含量，預(yù)測藏紅花品質(zhì)。

區(qū)別于人工神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)是一種反饋神經(jīng)網(wǎng)絡(luò)，其在隱藏單元中保存序列先前時刻的“狀態(tài)向量”，循環(huán)隱藏單元為公式（8）～（9）。循環(huán)神經(jīng)網(wǎng)絡(luò)使用并行計算算法，從數(shù)據(jù)集中提取特征信息，可提高數(shù)據(jù)處理準(zhǔn)確性，加快運(yùn)行效率。ReLU 激活函數(shù)（公式6）可影響循環(huán)神經(jīng)網(wǎng)絡(luò)的性能［48］，提高循環(huán)神經(jīng)網(wǎng)絡(luò)模型的收斂性或魯棒性。

式中，ht和ht-1分別為模型中t和t-1 時刻的隱藏單元狀態(tài)，xt表示t時刻輸入的訓(xùn)練樣本，by表示偏置向量，yt表示t時刻的輸出結(jié)果，V表示t時刻輸入的訓(xùn)練樣本的權(quán)重矩陣，W、U分別表示t和t-1時刻隱藏單元狀態(tài)下的權(quán)重矩陣，bh表示偏置向量。循環(huán)神經(jīng)網(wǎng)絡(luò)模型處理藏紅花長序列數(shù)據(jù)信息時存在梯度消失或梯度爆炸現(xiàn)象，導(dǎo)致判別結(jié)果的準(zhǔn)確率降低。Han 團(tuán)隊［49］開發(fā)了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的長短期記憶神經(jīng)網(wǎng)絡(luò)，消除了梯度爆炸或梯度消失現(xiàn)象，提高了模型預(yù)測精度。長短期記憶神經(jīng)網(wǎng)絡(luò)通過遺忘門、更新門和輸出門調(diào)節(jié)過去和現(xiàn)在活動之間的信息流以及循環(huán)單元的輸入和輸出［50］。此過程可由公式（6）、（10）、（11）表示。

式中，Lu、L0、Lf分別表示t時刻更新門、輸出門和遺忘門的門控信號，ct表示內(nèi)部存儲單元的中間候選狀態(tài)，ct-1表示內(nèi)部存儲單元前一時刻的值，表示t時刻的候選記憶信號。該模型經(jīng)自適應(yīng)粒子群（IAPSO）算法優(yōu)化，可降低人工選擇超參數(shù)對預(yù)測精度的影響，提高模型的收斂速度。該模型將層次分析（AHP）法獲取的數(shù)據(jù)作為輸出，均方根誤差（RMSE）（公式12）作為目標(biāo)函數(shù)，以匹配長短期記憶神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)超參數(shù)組合。以藏紅花素、藏紅花醛、苦藏紅花素的濃度作為輸入，藏紅花品質(zhì)值作為輸出，建立基于IAPSO-LSTM 的藏紅花品質(zhì)鑒別模型，通過相關(guān)系數(shù)鑒別藏紅花品質(zhì)，可為實現(xiàn)藏紅花品質(zhì)鑒別提供參考依據(jù)。

式中，yi表示實際值，表示預(yù)測值，m表示樣本數(shù)量。RMSE 值越小，長短期記憶神經(jīng)網(wǎng)絡(luò)模型的超參數(shù)組合匹配率越高，建立的模型的預(yù)測精度越高。

藏紅花中的基質(zhì)成分復(fù)雜，深度學(xué)習(xí)算法可從多角度評估藏紅花代謝組學(xué)數(shù)據(jù)，在減小組內(nèi)樣本差異、差異代謝分析、分類準(zhǔn)確性等方面具有顯著優(yōu)勢。

3 結(jié)論與展望

本文總結(jié)了利用深度學(xué)習(xí)算法處理代謝組學(xué)數(shù)據(jù)的現(xiàn)有工作及優(yōu)勢，分析了深度學(xué)習(xí)算法結(jié)合高分辨質(zhì)譜技術(shù)鑒別藏紅花品質(zhì)的可行性。深度學(xué)習(xí)算法可自動提取數(shù)據(jù)特征，降低數(shù)據(jù)處理過程中判別模型過度擬合的現(xiàn)象，提高判別模型預(yù)測性能和精準(zhǔn)度，實現(xiàn)藏紅花品質(zhì)的精準(zhǔn)鑒別。隨著高分辨質(zhì)譜配套智能軟件分析能力的不斷完善，以深度學(xué)習(xí)為代表的智能算法在在高分辨質(zhì)譜數(shù)據(jù)處理中將有廣闊前景。